基于身份-属性解耦人脸合成的非同源人脸识别
计算机视觉与模式识别
2022-06-13 v1 人工智能
摘要
非同源人脸识别（HFR）旨在跨不同域（例如可见光到近红外图像）匹配人脸，已广泛应用于认证与取证场景。然而，由于跨域差异大、非同源数据对有限以及面部属性变化大，HFR 是一个具有挑战性的问题。为应对这些挑战，我们从非同源数据增强的角度提出了一种新 HFR 方法，名为基于身份-属性解耦的人脸合成（FSIAD）。首先，身份-属性解耦（IAD）将人脸图像解耦为身份相关表示与身份无关表示（称为属性），并降低身份与属性之间的相关性。其次，我们设计了一个人脸合成模块（FSM），通过解耦身份与属性的随机组合生成大量图像，以丰富合成图像的属性多样性。原始图像与合成图像均用于训练 HFR 网络，以应对挑战并提升 HFR 性能。在五个 HFR 数据库上的大量实验验证了 FSIAD 优于以往 HFR 方法。特别地，在迄今最大的 HFR 数据库 LAMP-HQ 上，FSIAD 在 VR@FAR=0.01% 指标上比最先进水平（state of the art）提升了 4.8%。
引用
@article{arxiv.2206.04854,
title = {Heterogeneous Face Recognition via Face Synthesis with Identity-Attribute Disentanglement},
author = {Ziming Yang and Jian Liang and Chaoyou Fu and Mandi Luo and Xiao-Yu Zhang},
journal= {arXiv preprint arXiv:2206.04854},
year = {2022}
}
备注
Accepted for publication in IEEE Transactions on Information Forensics and Security (TIFS)